Estadística Aplicada a la Empresa I
Anuncio
Estadı́stica Aplicada a la Empresa I José G. Clavel y Maite Dı́az1 1 Departamento de Métodos Cuantitativos. Universidad de Murcia 22 de septiembre de 2009 José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados José Joaquı́n Garcı́a Clavel: Tutorı́as: Ma: 09:30 11:30; Mi: 09:30 12:30; Ju: 10:30 11:30 Despacho C5/10; Correo-e: jjgarvel@um.es; Teléfono: (868)363757 Maite Dı́az Delfa: Tutorı́as: Despacho C3/02; Correo-e: mdd@um.es; Teléfono: (868)363796 José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Newbold y otros (2008): Estadı́stica para administración y economı́a. Ed. Pearson José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Teorı́a y problemas: Casas, J.M. (2005): Estadı́stica Empresarial. Ramón Areces. Martı́n-Pliego, F.J. y Ruiz-Maya, L. (2005): Fundamentos de Probabilidad. Thomson Aranda Gallego, J. y Gómez, J. (1996): Fundamentos de Estadı́stica. Diego Marı́n. Mood, A., Graybill F. y Boes,D. (1974): Introduction to the theory of Statistics. McGraw-Hill. Sólo problemas: Fernández-Abascal, H., Guijarro, M., y otros. (1995): Ejercicios de Cálculo de probabilidades. Ariel. Martı́n-Pliego F.J., Montero Lorenzo, J.M. y Ruiz-Maya,L. (2006): Problemas de probabilidad. Editorial AC. Peralta Astudillo, M.J., Rúa Vieytes, A. y otros (2000): Estadı́stica: problemas resueltos. Pirámide. José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Temario Tema 1: Probabilidad Tema 2: Variable Aleatoria, Función Acumulada de Distribución y Esperanza: Tema 3: Modelos de Variables Aleatorias Tema 4: Distribución Conjunta y Distribución Condicional. Independencia Estadı́stica. Tema 5: Sucesiones de Variables Aleatorias José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Evaluación ¿? José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Resultados José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 Profesorado Bibliografı́a Básica Más Bibliografı́a Temario Evaluación Resultados Resultados José G. Clavel y Maite Dı́az Estadı́stica Aplicada I. Curso 2009-2010 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Tema 1: Probabilidad 1.1. Introducción. 1.2. Dos conceptos: a) espacio muestral, Ω b) suceso ωi 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad: a) probabilidad a priori o clásica b) probabilidad a posteriori o frequentista c) probabilidad axiomática 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes 1.2. Dos conceptos Experimento Aleatorio. resultado de un experimento aleatorio Espacio Muestral Ω Suceso ωi tipos de sucesos: suceso elemental; suceso compuesto; suceso seguro; suceso imposible - Ejemplo: Un experimento consiste en tirar 2 dados de 4 caras... José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplos 1.3. Teorı́a de Conjuntos Algunas definiciones: subconjunto, conjuntos iguales, conjunto vacı́o, conjuntos complementarios, conjuntos mutuamente excluyentes, conjuntos colectivamente exhaustivos Algunas operaciones: conjunto unión, conjunto intersección, conjunto diferencia Algunas propiedades - Ejemplo: Sea una baraja española de 48 cartas... José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplos Ejemplo 1 José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplos Ejemplo 2 José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplos Ejemplo 3 José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplos Ejemplo 4 José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Definición José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos 1.5. Tipos de probabilidad a) probabilidad a priori o clásica b) probabilidad a posteriori o frequentista c) probabilidad axiomática axiomas propiedades derivadas de los axiomas José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Andrey Kolmogorov (1903-1987) José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Regla de la suma: P(A S Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos B) = P(A) + P(B) − P(A José G. Clavel y Maite Dı́az Tema 1: Probabilidad T B) 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes P(A S Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos B) = P(A) + P(B) − P(A José G. Clavel y Maite Dı́az T B) Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes A S B =A+A T Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos B José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo 1 SeanTA y B dos sucesos tales que B ⊂ A. Si P(A) = 0,4 y P(A B) = 0,1, calcule P(B) José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo 2 Una cadena de hamburgueserı́as observó que el 75 % de todos los clientes consumen mostaza, el 80 % consume ketchup y el 65 % consume los dos. ¿Cuál es la probabilidad de que un cliente consuma al menos uno de los dos? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo 3 El 1 de febrero de 2003, el transbordador Columbia explotó. Éste fue el segundo desastre en 113 misiones. A partir de esta información, ¿cuál es la probabilidad de que una futura misión concluya con éxito? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo 4 Suppose Max is attending the convention for People Born in January. Max and seven others there get stuck in an elevator and, to pass the time until help arrives, Max tries to calculate the probability that all eight trapped people have different birthdays. What answer should Max get? What is the probability that at least two have the same birthday? (Assume all birthdays are in January) José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo 5 La probabilidad de que Navarro meta un triple es del 80 %. En el primer cuarto del partido ha tirado cuatro triples. ¿Cuál es la probabilidad de que convierta los cuatro? ¿Y de que falle los cuatro? ¿Y de que acierte sólo uno? ¿Y de que acierte al menos uno? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Combinatoria Combinaciones: agrupaciones de cuatro en una clase de 30 alumnos Variaciones: reparto de tres medallas en una carrera de 8 calles Permutaciones: disposición de cuatro comensales en una mesa con 4 sillas José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Axiomas de Kolmogorov, 1933 Regla de la suma Ejemplos Ejemplo ¿aclaratorio? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes 1.6. Probabilidad condicional e independencia Definición: Sean Ai y Bj dos sucesos. La probabilidad condicional del suceso Ai , dado el suceso Bj , denominada P(Ai /Bj ) se define como: P(Ai /Bj ) = P(Ai ∩ Bj ) P(Bj ) siempre que P(B) > 0 Regla del producto: Sean Ai y Bj dos sucesos. La probabilidad de su intersección es: P(Ai ∩ Bj ) = P(Ai /Bj )P(Bj ) José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Independencia estadı́stica Los sucesos Ai y Bj son independientes estadı́sticamente si y sólo si la probabilidad conjunta es igual al producto de las probabilidades marginales. Es decir: P(Ai ∩ Bj ) = P(Ai )P(Bj ) Sean A y B dos atributos, cada uno de los cuales dividimos en categorı́as que dan lugar a sucesos mutuamente excluyentes y colectivamente exhaustivos que denominamos, respectivamente, A1 , A2 , . . . , AI , y B1 , B2 , . . . , BJ . Si todo suceso Ai es independiente de todo suceso Bj , se dice que los atributos A y B son independientes José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplo 1.7. Teorema de la Probabilidad Total Enunciado: Sean B1 , B2 , ...Bj una colección de sucesos mutuamente excluyentes y colectivamente exhaustivos, y sea A otro suceso cualquiera, entonces X P(A) = P(A/Bj )P(Bj ) j suponiendo que P(Bj ) > 0 Ejemplo: José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Ejemplo Ejemplo de Teorema de la Probabilidad Total Un famoso analista de bolsa, antiguo miembro de ASUFI, examina la cotización de las acciones de un gran número de compañı́as. Encuentra que el 25 % experimentó un crecimiento superior a la media, el 25 % inferior y el 50 % restante se mantuvieron alrededor de la media. Para la próxima campaña, califica el 40 % de los valores que crecieron por encima de la media como valores recomendados, al igual que un 20 % de los que crecieron alrededor de la media y un 10 % de los que tuvieron un crecimiento inferior. 1 ¿Cuál es la probabilidad de que un valor sea recomendado? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 1.8. Teorema de Bayes Enunciado: Sean Ai y Bj dos sucesos. Entonces: P(Bj /Ai ) = P(Ai /Bj )P(Bj ) P(Ai ) Teorema de Bayes (II): Sean B1 , B2 , . . . , BJ , J sucesos colectivamente exhaustivos, y sea Ai otro suceso cualquiera. Entonces: P(Ai /Bj )P(Bj ) = P(Ai ) P(Ai /Bj )P(Bj ) = P(Ai /B1 )P(B1 ) + . . . + P(A/BJ )P(BJ ) P(Bj /Ai ) = Ejemplo: José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Thomas Bayes (1701?-1761) José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejemplo de Teorema de Bayes Un famoso analista de bolsa, antiguo miembro de ASUFI, examina la cotización de las acciones de un gran número de compañı́as. Encuentra que el 25 % experimentó un crecimiento superior a la media, el 25 % inferior y el 50 % restante se mantuvieron alrededor de la media. Para la próxima campaña, califica el 40 % de los valores que crecieron por encima de la media como valores recomendados, al igual que un 20 % de los que crecieron alrededor de la media y un 10 % de los que tuvieron un crecimiento inferior. 1 ¿Cuál es la probabilidad de que un valor sea recomendado? 2 ¿Cuál es la probabilidad de que un valor clasificado como recomendado por el analista haya crecido por encima de la media del mercado? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejercicio 1.1. Se supone que la probabilidad de que un alumno de una clase sea mal estudiante es 1/5, y que los estudiantes buenos saben la lección el 80 % de las veces que son preguntados, mientras que los malos sólo la saben el 30 %. Se ha preguntado a un alumno y no ha sabido la lección, hallar la probabilidad de que sea mal estudiante. José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejercicio 1.2. Anderson and Company purchase electric motors from two suppliers. Sixty percent are purchased from Hall Electric and the rest from Harmon Products. The quality level at Hall Electronic is a better than for Harmon Products. Five percent of the motors purchased from Hall Electronics need additional work, whereas on eight percent from Harmon Products need additional work. An electric motor was selected at random and found to be defective. What is the probability it was purchased from Harmon Products? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejercicio 1.3. Un sofisticado sistema de sensores permite distinguir la presencia de intrusos en un gran parque temático. El sistema está diseñado de manera que detecta un intruso con una probabilidad del 90 %. Sin embargo, los diseñadores suponen que esta probabilidad variará con las condiciones ambientales. Para obtener más información, contratan a un especialista que se introduce en el parque intentando no ser detectado. Los resultados indican que, de las veces en que el intruso fue detectado, en el 75 % de los casos el tiempo era un dı́a claro, el 20 % era nuboso, y el 5 % llovı́a. En otras ocasiones, el sistema no fue capaz de detectar al intruso: un 60 % de esos dı́as fueron dı́as claros, un 30 % nubosos y un 10 % llovı́a. ¿Cuál es la probabilidad de detectar un intruso en un dı́a de lluvia? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejercicio 1.4. Garrigues hace planes para contratar este año a 5 analistas financieros. Hay un grupo de 12 candidatos aprobados, y Octavio, el socio encargado de esa tarea, decide elegir al azar quiénes va a contratar. De los solicitantes aprobados, 8 son hombres y 4 mujeres. ¿Cuál es la probabilidad de que 3 de los 5 contratados sean hombres? José G. Clavel y Maite Dı́az Tema 1: Probabilidad 1.1. Introducción 1.2. Dos conceptos 1.3. Teorı́a de Conjuntos 1.4. Definición de probabilidad 1.5. Tipos de probabilidad 1.6. Probabilidad condicional e independencia 1.7. Teorema de la Probabilidad Total 1.8. Teorema de Bayes Teorema de Bayes, 1763 Ejemplo Algunos Ejercicios del Tema 1 Ejercicio 1.5. For a particular group of taxpayers, 25 percent of the returns are audited. Six taxpayers are randomly selected from the group. 1 What is the probability two are audited? 2 What is the probability two or more are audited? José G. Clavel y Maite Dı́az Tema 1: Probabilidad
